El texto se ordena alfabéticamente, lo que no es adecuado para las tallas (L, M, S, XL) ni para las valoraciones (Happy, Neutral, Unhappy...). Una columna categórica almacena los valores permitidos en el orden que definas:
survey["size"] = pd.Categorical(survey["size"], categories=["S", "M", "L", "XL"], ordered=True)
Con ordered=True:
sort_values("size") ordena S, M, L, XL.
- Las comparaciones siguen el orden:
survey[survey["size"] >= "L"] conserva L y XL.
value_counts(sort=False) enumera las categorías en su orden.
Las categorías que incluyes en la lista siguen existiendo aunque nadie las haya elegido. En pandas 3, groupby solo muestra las categorías que aparecen (observed=True es el valor predeterminado); pasa observed=False para incluir las vacías con un recuento de 0.
Las columnas categóricas también ahorran memoria cuando una columna repite unos pocos valores muchas veces, un tema que se retoma en la unidad sobre rendimiento.
Como texto sin formato, XL se ordena después de S: es el orden alfabético.